电子显微镜的出现使得细胞内部复杂结构的可视化成为可能。三维电子显微镜的进展，称为体积电子显微镜(vEM)，进一步提升了这种三维纳米级成像的能力。然而，成像速度、质量与样本量之间的权衡依然限制了可实现的成像面积和体积。
人工智能(AI)正在各个科学领域中发挥着越来越重要的作用，推动着技术的突破，并成为科学研究中的重要工具。
香港大学化学系的蒋海波教授与电机及电子工程系的齐晓娟教授，受到人工智能图像生成模型（尤其是先进扩散模型最新进展）的启发，开发了一种基于扩散模型的算法，命名为EMDiffuse。
这一创新方案旨在提升成像能力，并解决电子显微镜和体积电子显微镜所面临的权衡问题。该团队的研究成果已在《自然通讯》期刊上发表。
对于传统的二维电子显微镜，EMDiffuse能够在嘈杂或低分辨率的输入条件下，重建出高分辨率超微结构细节的真实高质量视觉效果。与其他基于深度学习的去噪或超分辨率方法不同，EMDiffuse采用了一种独特的方式，从目标分布中进行采样以获得解决方案。
在EMDiffuse的扩散过程的每一步中，低质量图像被用作条件或约束，以确保生成结构的准确性。这意味着低质量的输入不仅仅是起点，而是积极用于指导和塑造修复过程。
扩散模型有效地防止模糊，保持与真实情况相媲美的分辨率，这对于详细的超微结构研究至关重要。此外，EMDiffuse的通用性和可移植性使其能够直接应用于多种数据集，并且在对训练图像进行最小微调后，也能适用于不同的数据集。
在体积电子显微镜中，现有硬件通常难以捕获大样本的高分辨率三维图像，尤其是在深度（或“z方向”）上，这使得对重要细胞成分（如线粒体和内质网）的三维结构进行充分研究变得困难。
EMDiffuse通过两种灵活的方法来解决这一问题。它可以利用“各向同性”训练数据——即在所有维度上具有统一高分辨率的三维图像数据集——来学习如何提升其他三维数据的轴向分辨率。
此外，EMDiffuse还可以分析现有的三维图像，并通过自我监督技术提升其深度分辨率，而无需专门的训练数据。这种多功能性使得EMDiffuse能够提升不同研究应用中三维电子显微镜数据的质量和实用性。
修复后的体积在研究超微结构细节（如线粒体嵴和线粒体与内质网之间的相互作用）方面展现出卓越的准确性，这些细节在原始各向异性体积中往往难以观察。由于EMDiffuse不需要各向同性的训练数据，因此可以直接应用于任何现有的各向异性体，以提升其轴向分辨率。
EMDiffuse标志着电子显微镜和体积电子显微镜成像能力的重要进步，提升了图像质量和生成数据的轴向分辨率。“有了这个基础，我们可以设想EMDiffuse算法的进一步发展和加速，为深入研究大型生物系统中复杂的亚细胞纳米级超微结构铺平道路，”该论文的通讯作者之一蒋海波教授表示。
该论文的另一位通讯作者齐晓娟教授指出：“随着这种人工智能成像技术的不断成熟，我们期待看到它如何帮助研究人员发现生物系统中以前未被揭示的运作机制。”
本文来自作者[新闻资讯]投稿，不代表荣微轩号立场，如若转载，请注明出处：https://blog.uyxzk.cn/wiki/202507-12041.html
评论列表（4条）
我是荣微轩号的签约作者“新闻资讯”！
希望本篇文章《基于人工智能的技术提升了复杂生物系统的电子显微镜成像效果》能对你有所帮助！
本站[荣微轩号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览： 电子显微镜的出现使得细胞内部复杂结构的可视化成为可能。三维电子显微镜的进展，称为体积电子显微镜(vEM)，进一步提升了这种三维纳米级...